Meta 向美國用戶開放 Muse AI 數位分身視訊通話功能
文章摘要
Meta 已正式向美國用戶開放 Muse AI 的語音及視訊通話功能,用戶可透過手機、網頁及 Mac 與該 AI 代理進行即時對話。此功能由 Muse Realtime Avatar 與 Realtime Voice 技術驅動,呈現出名為「Jolly」的動態虛擬化身,用戶亦可將其自定義為人類、動物或其他角色。Meta 強調此數位分身會在對話中配合語氣展現細微表情與手勢,藉此建立更強的情感連結。目前 Muse 並不具備視覺感知能力,僅能透過語音輸入進行互動並執行任務。除了現有的平台支援,Meta 計畫在年底前推出「Muse Charm」穿戴式裝置,讓該數位化身能顯示於螢幕上。此外,未來此項即時對話功能也預計拓展至 Meta 的 AI 眼鏡產品,進一步擴大其應用場景與互動層級。
AI 大叔解析
【核心判斷】
Meta 這次把重心全壓在「擬人化情感連結」,但所謂的視訊通話本質上是一場「單向表演」——你看得到它動,它卻看不見你。這套在美國全量開放的 Muse Voice 功能,核心由 Muse Realtime Avatar 與 Realtime Voice 驅動,雖然讓使用者能透過手機、網頁與 Mac 與名為 Jolly 的預設數位分身(或自訂的人類、動物造型)通話,並依據語氣展現細微表情與肢體手勢,但底層明確「不具備視覺感知能力」。它只聽聲音並依對話內容反應,與其說是真正掌握視訊情境的即時協作代理,不如說更接近視覺增強版的動態語音助手。
【毒舌吐槽】
大叔看了只能笑笑,這年頭開「視訊會議」居然可以只有一方開鏡頭、另一方純靠腦補。你興沖沖打開視訊通話,對面是一隻毛茸茸的白色小狗或動態公仔配合語氣擠眉弄眼,結果它根本「看不見」你手裡拿了什麼文件、長什麼表情,所有情緒反饋全靠聽音辨位。這就像你戴著最炫的墨鏡跟人開視訊,表面上是次世代數位互動,骨子裡其實就是替傳統語音客服套上一層「會跟著說話節奏搖晃的 3D 濾鏡」,把行銷包裝拿掉,它本質上就是單向播送的動態收音機。
【為什麼重要?】
這項更新揭示了 Meta 在消費端 AI 產品上的明確取捨:比起追求高運算成本的多模態即時視覺輸入,他們選擇先用「視覺回饋」來降低使用者的疏離感。透過賦予代理人外觀自訂權與情緒手勢,Meta 企圖在既有競品的純語音聊天紅海中,建立更強的用戶黏著度。
同時,這也是 Meta 為後續硬體生態鋪路的前哨站。該即時對話架構不僅支援現有的桌面與行動端,後續還將直接移植至智慧眼鏡以及預計年底前推出的電子雞風格穿戴裝置「Muse Charm」。這意味著 Meta 打算將輕量化、單向視覺輸出的互動模式標準化,讓小螢幕穿戴裝置不必背負即時影像解析的高耗電負擔,也能提供看似具有即時陪伴感的對話體驗。
【影響對象與建議】
- **消費級 AI 產品經理**:若規劃類似語音互動,可評估「假性視訊(單向生成表情)」在降低推論成本與提升陪伴感之間的取捨,不必急於導入昂貴的即時視覺輸入。
- **穿戴裝置硬體開發者**:針對年底類似 Muse Charm 的小型螢幕設備,應提早優化低頻寬下的動態模型渲染效率,確保跨平台語音與表情同步的低延遲表現。
Meta 這次把重心全壓在「擬人化情感連結」,但所謂的視訊通話本質上是一場「單向表演」——你看得到它動,它卻看不見你。這套在美國全量開放的 Muse Voice 功能,核心由 Muse Realtime Avatar 與 Realtime Voice 驅動,雖然讓使用者能透過手機、網頁與 Mac 與名為 Jolly 的預設數位分身(或自訂的人類、動物造型)通話,並依據語氣展現細微表情與肢體手勢,但底層明確「不具備視覺感知能力」。它只聽聲音並依對話內容反應,與其說是真正掌握視訊情境的即時協作代理,不如說更接近視覺增強版的動態語音助手。
【毒舌吐槽】
大叔看了只能笑笑,這年頭開「視訊會議」居然可以只有一方開鏡頭、另一方純靠腦補。你興沖沖打開視訊通話,對面是一隻毛茸茸的白色小狗或動態公仔配合語氣擠眉弄眼,結果它根本「看不見」你手裡拿了什麼文件、長什麼表情,所有情緒反饋全靠聽音辨位。這就像你戴著最炫的墨鏡跟人開視訊,表面上是次世代數位互動,骨子裡其實就是替傳統語音客服套上一層「會跟著說話節奏搖晃的 3D 濾鏡」,把行銷包裝拿掉,它本質上就是單向播送的動態收音機。
【為什麼重要?】
這項更新揭示了 Meta 在消費端 AI 產品上的明確取捨:比起追求高運算成本的多模態即時視覺輸入,他們選擇先用「視覺回饋」來降低使用者的疏離感。透過賦予代理人外觀自訂權與情緒手勢,Meta 企圖在既有競品的純語音聊天紅海中,建立更強的用戶黏著度。
同時,這也是 Meta 為後續硬體生態鋪路的前哨站。該即時對話架構不僅支援現有的桌面與行動端,後續還將直接移植至智慧眼鏡以及預計年底前推出的電子雞風格穿戴裝置「Muse Charm」。這意味著 Meta 打算將輕量化、單向視覺輸出的互動模式標準化,讓小螢幕穿戴裝置不必背負即時影像解析的高耗電負擔,也能提供看似具有即時陪伴感的對話體驗。
【影響對象與建議】
- **消費級 AI 產品經理**:若規劃類似語音互動,可評估「假性視訊(單向生成表情)」在降低推論成本與提升陪伴感之間的取捨,不必急於導入昂貴的即時視覺輸入。
- **穿戴裝置硬體開發者**:針對年底類似 Muse Charm 的小型螢幕設備,應提早優化低頻寬下的動態模型渲染效率,確保跨平台語音與表情同步的低延遲表現。